rjags 和 r2jags 之间的差异

Question

我使用这两个包来进行贝叶斯分析，但有一些我不明白的区别：

首先包rjags允许适配阶段，有jags.model功能，而包r2jags没有这个阶段，有功能jags（或jags.parallel）开始从后验分布中采样。自适应阶段是包含在那个功能里，还是包r2jags没有考虑？

其次，在rjags中，我能说这两段代码很相似吗？

jmod <- jags.model(file="somefile.txt", data = data, n.chains=3)
update(jmod,100)
jsample <- coda.samples(jmod, n.iter=100, variable.names=par)

和

jmod <- jags.model(file="somefile.txt", data = data, n.chains=3)
jsample <- coda.samples(jmod, n.iter=200,n.burnin=100, variable.names=par)

即update功能的老化阶段也可以在coda.samples功能中完成？谢谢。

Answer 1

R2jags 是运行 rjags 的 Over-the-top 函数。它的目的是让一些事情变得更容易一些，如包描述中描述的那样运行直到收敛，或并行化 MCMC 链。

如果您查看 R2jags 中的 jags 函数（例如，通过查看 the source code 或仅在 R 控制台中不带括号输入 jags），您将在函数末尾附近找到以下调用（链接 github 版本的第 151–177 行）：

  m <- jags.model(model.file,
                  data     = data,
                  inits    = init.values,
                  n.chains = n.chains,
                  n.adapt  = 0 )

  adapt( m,
         n.iter         = n.adapt,
         by             = refresh,
         progress.bar   = progress.bar,
         end.adaptation = TRUE )

  samples <- coda.samples( model          = m,
                           variable.names = parameters.to.save,
                           n.iter         = ( n.iter - n.burnin ),
                           thin           = n.thin,
                           by             = refresh,
                           progress.bar   = progress.bar )

所以R2jags::jags用[=17=编译模型，用adapt调整它，然后用coda.samples

从后验迭代和采样

你的两个调用并不完全相同。在第一个你：

使用jags.model、
使用 update 更新 100 次迭代，然后
使用 coda.samples.

秒你

使用jags.model、
使用 coda.samples.

即，你的后验样本来自更多的迭代，但是在jags.model中隐含的适应之后，方法2中没有额外的"burn-in"阶段. n.burnin在rjags中没有用处，只有在R2jags中；请参阅上面 jags 函数代码中的 coda.samples 调用，而早些时候 on line 77，该函数分配 n.adapt <- n.burnin.

rjags 和 r2jags 之间的差异

Differences between rjags and r2jags

r

jags

r2jags

rjags